文档来源为:从网络收集整理.word版本可编辑.欢迎下载支持.
第六章 方差分析
第五章所介绍的t检验法适用于样本平均数与总体平均数及两样本平均数间的差异显著性检验，但在生产和科学研究中经常会遇到比较多个处理优劣的问题，即需进行多个平均数间的差异显著性检验。这时，若仍采用t检验法就不适宜了。这是因为：
21、检验过程烦琐 例如，一试验包含5个处理，采用t检验法要进行C5=10次两两平均数的差异显著
性检验；若有k个处理，则要作k(k-1)/2次类似的检验。
2、无统一的试验误差，误差估计的精确性和检验的灵敏性低 对同一试验的多个处理进行比较
时，应该有一个统一的试验误差的估计值。若用t检验法作两两比较，由于每次比较需计算一个Sx1?x2，故使得各次比较误差的估计不统一，同时没有充分利用资料所提供的信息而使误差估计的精确性降低，从而降低检验的灵敏性。例如，试验有5个处理，每个处理重复6次，共有30个观测值。进行t检验时，每次只能利用两个处理共12个观测值估计试验误差，误差自由度为2(6-1)=10；若利用整个试验的30个观测值估计试验误差，显然估计的精确性高，且误差自由度为5(6-1)=25。可见，在用t检法进行检验时，由于估计误差的精确性低，误差自由度小，使检验的灵敏性降低，容易掩盖差异的显著性。
3、推断的可靠性低，检验的I型错误率大 即使利用资料所提供的全部信息估计了试验误差，若用
t检验法进行多个处理平均数间的差异显著性检验，由于没有考虑相互比较的两个平均数的秩次问题，因而会增大犯I型错误的概率，降低推断的可靠性。
由于上述原因，多个平均数的差异显著性检验不宜用t检验，须采用方差分析法。
方差分析(analysis of variance)是由英国统计学家，把观测值总变异的平方和及自由度分解为相应于不同变异来源的平方和及自由度，进而获得不同变异来源总体方差估计值；通过计算这些总体方差的估计值的适当比值，就能检验各样本所属总体平均数是否相等。方差分析实质上是关于观测值变异原因的数量分析，它在科学研究中应用十分广泛。
本章在讨论方差分析基本原理的基础上，重点介绍单因素试验资料及两因素试验资料的方差分析法。在此之前，先介绍几个常用术语。
1、试验指标(experimental index) 为衡量试验结果的好坏或处理效应的高低，在试验中具体测定的性
状或观测的项目称为试验指标。由于试验目的不同，选择的试验指标也不相同。在畜禽、水产试验中常用的试验指标有：日增重、产仔数、产奶量、产蛋率、瘦肉率、某些生理生化和体型指标(如血糖含量、体高、体重)等。
2、试验因素(experimental factor) 试验中所研究的影响试验指标的因素叫试验因素。如研究如何提高
猪的日增重时，饲料的配方、猪的品种、饲养方式、环境温湿度等都对日增重有影响，均可作为试验因素来考虑。当试验中考察的因素只有一个时，称为单因素试验；若同时研究两个或两个以上的因素对试验指标的影响时，则称为两因素或多因素试验。试验因素常用大写字母A、B、C、…等表示。
3、因素水平(level of factor) 试验因素所处的某种特定状态或数量等级称为因素水平，简称水平。如比
较3个品种奶牛产奶量的高低，这3个品种就是奶牛品种这个试验因素的3个水平；研究某种饲料中4种不同能量水平对肥育猪瘦肉率的影响，这4种特定的能量水平就是饲料能量这一试验因素的4个水平。因素水平用代表该因素的字母加添足标1，2，…，来表示。如A1、A2、…，B1、B2、…，等。
4、试验处理(treatment) 事先设计好的实施在试验单位上的具体项目叫试验处理，简称处理。在单因素
试验中，实施在试验单位上的具体项目就是试验因素的某一水平。例如进行饲料的比较试验时，实施在试验单位(某种畜禽)上的具体项目就是喂饲某一种饲料。所以进行单因素试验时，试验因素的一个水平就是一个处理。在
75
文档来源为:从网络收集整理.word版本可编辑.欢迎下载支持.
多因素试验中，实施在试验单位上的具体项目是各因素的某一水平组合。例如进行3种饲料和3个品种对猪日增重影响的两因素试验，整个试验共有3×3=9个水平组合，实施在试验单位(试验猪)上的具体项目就是某品种与某种饲料的结合。所以，在多因素试验时，试验因素的一个水平组合就是一个处理。
5、试验单位(experimental unit) 在试验中能接受不同试验处理的独立的试验载体叫试验单位。在畜禽、
水产试验中，一只家禽、一头家畜、一只小白鼠、一尾鱼，即一个动物；或几只家禽、几头家畜、几只小白鼠、几尾鱼，即一组动物都可作为试验单位。试验单位往往也是观测数据的单位。
6、重复(repetition) 在试验中，将一个处理实施在两个或两个以上的试验单位上，称为处理有重复；一
处理实施的试验单位数称为处理的重复数。例如，用某种饲料喂4头猪，就说这个处理(饲料)有4次重复。
第一节 方差分析的基本原理与步骤
方差分析有很多类型，无论简单与否，其基本原理与步骤是相同的。本节结合单因素试验结果的方差分析介绍其原理与步骤。
一、线性模型与基本假定
假设某单因素试验有k个处理，每个处理有n次重复，共有nk个观测值。这类试验资料的数据模式如表6-1所示。
表6-1 k个处理每个处理有n个观测值的数据模式
合计xi. 平均xi. 处理 观 测 值
A1 x11 x12 … x1j … x1n
A2 x21 x22 … x2j … x2n
… …
Ai xi1 xi2 … xij … xin
… …
Ak xk1 xk2 … xkj … xkn xk. 合计
n
表中xij表示第i个处理的第j个观测值（i=1,2,…,k；j=1,2,…,n）；xi.??xij表示第i个处理n个观测值
j?1knkn的和；x..???xij??xi.表示全部观测值的总和；xi.??xij/n?xi./n表示第i个处理的平均数；
i?1j?1i?1j?1knx..???xij/kn?x../kn表示全部观测值的总平均数；xij可以分解为
i?1j?1xij??i??ij
(6-1)
?i表示第i个处理观测值总体的平均数。为了看出各处理的影响大小，将?i再进行分解，令
??1k??i (6-2) ki?1?i??i?? (6-3)
则
xij????i??ij (6-4)
其中μ表示全试验观测值总体的平均数，?i是第i个处理的效应（treatment effects）表示处理i对试验结果产生的影响。显然有
76
方差分析及多重比较
